MétaCan
Menu
← Retour à la cohorte
Enregistrement W4236807836 · doi:10.32920/ryerson.14646207

Growing with the Flow: Planning for Smart Growth in Ontario Through Water & Wastewater Infrastructure Service Provision

2021· preprint· en· W4236807836 sur OpenAlexaffabout
Jeffrey J. Thompson

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueCanadian Policy and Governance
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésSmart growthGrowth managementSustainabilityBusinessLegislationUrban sprawlEnvironmental planningWater supplySustainable growth rateService (business)Environmental resource managementNatural resource economicsUrban planningEnvironmental scienceEconomicsEngineeringFinanceEnvironmental engineeringCivil engineeringEcologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Ontario’s Greater Golden Horseshoe is experiencing rapid growth that if unchecked could perpetuate "sprawl" and threaten the Region’s sustainability. To manage this growth, the Province adopted a program of "Smart Growth" and prepared a regional Growth Plan amidst a suite of complementary legislation. Municipalities are now expected to accommodate high levels of growth with an adequate supply of water and the necessary infrastructure to support increased demand. This invites the question of whether growth can be sustained through infrastructure upgrades, or whether absolute hydrologic limits will reshape regional growth. To investigate this, two strands of research are merged, which have traditionally been carried out individually - Smart Growth and "Planning by the Pipe". This paper argues that Ontario should align its growth management strategy with the servicing capacity and lifespan of water and wastewater infrastructure as well as the finances required for their maintenance and expansion. This consideration must not only reflect preferred areas for growth but the region’s hydrological capacity to support the increased demand in these areas.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,782

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0090,003
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,270
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCanadian Policy and Governance→Travaux en français237 207→